2026年4月1日，国际顶级期刊《自然》（Nature）发表多篇论文，公布了美国国防部高级研究计划局（DARPA）主导的“开放研究与证据的系统化信心”（SCORE）项目成果。该项目耗时7年，对3900篇社会科学论文进行全面分析，得出一个令人不安的结论：独立重复实验时，只有半数研究结果能得到验证。

这意味着，每两篇已发表的社会科学论文中，就有一篇的核心结论可能站不住脚。那些被我们作为“学术依据”“决策参考”的研究，可能只是一次偶然的数据分析，或是不够严谨的研究过程的产物。事实上，“可重复性危机”并不是第一次被关注，10多年来，研究人员一直关注科学成果的可靠性，发现实验无法重复的现象，不仅存在于社会科学领域，在生物医学等领域也很常见。

SCORE项目的特点是，它是目前同类研究中规模最大、覆盖最广、耗时最长的一次，有865名研究人员参与，对62种期刊上、涵盖经济学、教育学、心理学、社会学等多个核心领域的论文进行全面审查，研究结果的说服力远高于以往的小规模研究。

斯坦福大学元科学家约翰·约安尼迪斯（John Ioannidis）评论称，SCORE项目的规模和广度令人印象深刻，但结论并不意外，因为这和之前小规模研究发现的问题一致。美国开放科学中心（COS）的研究负责人蒂姆·埃林顿（Tim Errington）则强调，这一结果不是对社会科学研究的全盘否定，“这并不意味着科学研究的质量低下”，多数情况下，问题不在于学术不端，而在于研究过程中细节缺失、数据不透明。

这场历时7年的研究，目的不是揭露丑闻，而是正视问题：当半数研究无法复制，社会科学的可信度该如何保障？科学研究的初心该如何坚持？

图自Nature

在SCORE项目启动前，关于社会科学研究可重复性的质疑一直存在。2016年，《自然》杂志对1576名科研人员进行调查，结果显示，70%的科学家无法复现别人的实验，50%的科研人员甚至无法重复自己之前发表的研究成果。这些零散的调查结果，没能形成系统性结论，也难以引起学界和公众的足够重视，毕竟没有足够大的样本量和全面的覆盖范围，任何质疑都可能被视为“个别案例”“偶然现象”。

为了弄清楚社会科学研究的可靠性真相，美国国防部高级研究计划局（DARPA）于2019年启动SCORE项目，最初目的是研发自动化技术，为军方应用社会科学研究成果提供可靠参考，最终成为覆盖全球社会科学领域的全面审查。该项目聚集了全球865名研究人员，涵盖社会科学、计算机科学、统计学等多个领域，形成跨学科研究团队，其协作规模和研究深度，在元科学（研究科学本身的科学）领域是前所未有的。

研究团队经过反复筛选，确定了3900篇纳入分析的论文，这些论文发表于2009年至2018年，来自62种核心期刊，覆盖犯罪学、经济学、教育学、金融学、心理学、政治学、社会学等12个社会科学核心领域，样本涉及数十个国家，保证了研究的代表性和广泛性。与以往的小规模验证不同，SCORE项目没有局限于单一学科或期刊，而是尽量全面反映社会科学研究的整体情况，避免因样本偏差导致结论不准确。

为确保检验的科学性和严谨性，研究团队制定了明确的检验标准，从三个核心维度全面评估每篇论文的可信度，分别是可复现性、稳健性和可复制性。这三个维度看似相近，实则代表不同的研究严谨性标准，共同构成衡量科学研究可靠性的三个关键指标。可复现性，指使用与原始研究完全相同的数据和分析方法，其他研究者能否得出相同结果；稳健性，指对同一批数据采用不同但合理的分析方法，能否得出一致结论；可复制性，指研究者从头开始重复整个实验，重新收集数据、分析数据，能否得到与原始研究一致的结果。

图自unsplash

这三个维度的检验层层递进、各有侧重，从“重复分析”到“方法验证”再到“完整复刻”，检验难度逐步提高，全面排查研究过程中可能存在的问题。SCORE项目研究人员表示，设置这三个维度，是因为以往研究往往只关注其中一个方面，难以全面反映研究的可靠性——有些论文看似能复现结果，却经不起不同分析方法的检验；有些论文方法稳健，却无法在独立重复实验中得到相同结论。只有通过这三个维度的检验，才能准确判断一篇研究论文的结论是否可靠。

七年时间里，研究团队克服了很多困难，包括海量论文的筛选与整理、实验数据的追溯与验证、不同学科研究方法的适配与统一、跨团队的协作与沟通，每个环节都耗时费力。尤其是在数据追溯方面，很多论文没有公开原始数据和分析代码，研究人员不得不通过各种渠道联系论文作者，甚至需要重新创建原始数据、猜测实验程序，增加了研究的难度。也正因为这份严谨和坚持，SCORE项目的研究结果具有很高的可信度，成为推动全球社会科学学术改进的重要依据。

865名研究人员历时七年，完成了对3900篇论文的三个维度检验，相关数据公之于众后，清晰展现了社会科学研究可信度的真实情况。三个维度的检验结果不同，但都指向一个核心问题：社会科学研究的可重复性，远低于预期，每个维度暴露的问题，都值得学界重视。

可复现性是最基础的检验维度，主要考察研究过程的透明度。如果一篇论文的方法描述清晰、数据公开完整，其他研究者就能按照相同步骤复现其结果；如果方法模糊、数据缺失，复现就会失败。SCORE项目研究人员选取600篇论文进行可复现性检验，发现只有145篇论文提供了足够的细节和数据，能让研究人员完整尝试复现，其余近八成论文，要么没有公开原始数据，要么没有详细描述分析方法，甚至有些论文的实验步骤都不清晰。

更值得关注的是，即便在这145篇提供完整细节的论文中，也只有53%的结果能被精确复现。蒂姆·埃林顿解释，很多复现失败不是因为原始研究有错误，而是因为SCORE研究人员需要猜测实验程序，或重新创建原始数据，难免出现偏差。

他强调，解决可复现性偏低的关键，是更开放地共享数据、更透明地说明研究方法——如果每篇论文都能像说明书一样，清晰呈现数据、方法和实验步骤，复现成功率会大幅提高。此外，有研究显示，所有纳入检验的论文中，仅三分之一公开了支撑结论的核心数据与分析代码，这部分论文的复现成功率，远高于未公开数据的论文。

图自unsplash

稳健性检验主要考察研究结论的“抗干扰能力”。一篇可靠的研究论文，结论不应依赖单一的分析方法，采用其他合理的分析方式，也应得出相似结论。SCORE项目选取100篇论文进行稳健性检验，邀请多个独立团队重新分析这些论文的数据，结果显示，约四分之三的论文通过检验，结论在不同分析方法下保持一致。这个结果看似较好，但其中隐藏的问题也不能忽视。

在稳健性检验中，有2%的案例出现了意外情况：新的分析方法得出了与原始论文完全相反的结论，这不是细节上的差异，而是直接推翻了原始研究的核心观点。蒂姆·埃林顿对此表示担忧，他举例说，有些研究通过某种数据分析，得出“某一政策能有效降低犯罪率”的结论，但采用另一种同样合理的分析方法后，却发现该政策不仅无效，还可能加剧犯罪率。

这样“方法不同、结论反转”的现象说明，很多社会科学研究的结论比较“脆弱”，过度依赖单一分析方法，可能导致结论失真。为解决这一问题，学界正在推广“多元宇宙分析”方法，通过对同一数据进行多种合理分析，让研究人员在发表论文前，了解不同方法对结论的影响，从而提高研究的稳健性。这种方法的核心作用，是判断研究结论的脆弱性，避免因单一分析方法导致的误判。

可复现性和稳健性主要检验“研究过程”，可复制性则是对“研究结论”最严格的检验。它要求研究人员从头开始，重新设计实验、收集数据、进行分析，完全独立于原始研究，看能否得到相同结论。该检验方式最耗时、最费钱，也最能反映研究结论的可靠性，因为它排除了原始数据、分析方法等因素的干扰，只关注结论本身是否具有普遍性。

SCORE项目重点对164项研究进行可复制性检验，这些研究均来自核心期刊，被视为社会科学领域的“代表性成果”。但检验结果并不理想：只有49%的研究在统计学意义上具有可复制性，也就是说，超过一半的“代表性成果”，在独立重复实验中无法得到验证。

这一数据和心理学等单个领域的早期研究结果基本一致，说明可重复性危机不是某一个学科的个别问题，而是整个社会科学领域的普遍困境。此外，即便成功复制的研究，其效果量也普遍低于原始研究，平均仅为原始研究的75%，而复制失败的研究，效果量接近0%。

三个维度的检验结果，清晰展现了社会科学研究的可信度现状：可复现性不足、稳健性有隐患、可复制性偏低。这些数据不是否定社会科学研究，而是一份客观的“诊断报告”，说明社会科学研究在严谨性、透明度方面，还有很大的改进空间，每个暴露的问题，都是推动学科进步的机会。

SCORE项目的研究结果公布后，外界出现了很多质疑：为什么半数社会科学研究无法复制？是科研人员学术不端、刻意造假吗？还是社会科学本身“不够科学”？事实上，答案比想象中复杂：学术不端确实存在，但不是主要原因；社会科学的研究特性有一定影响，但更多问题出在研究生态和学术规范上。要解决可重复性危机，首先要认清问题根源，再寻找可行的解决办法。

图自unsplash

很多人看到“半数研究无法复制”，第一反应就是“科研造假”，但SCORE项目研究人员明确表示，学术不端行为虽然存在，但数量极少，不是导致复制失败的主要原因。蒂姆·埃林顿称，在检验过程中，发现的学术不端案例很少，绝大多数复制失败，都是因为“研究过程不透明”——论文没有提供足够的实验细节、原始数据不公开、分析方法描述模糊，导致其他研究者无法准确重复实验。这就像没有说明书的产品，即便拿到原材料，也无法正确组装，自然得不到相同的成品。

研究过程不透明的背后，是学术评价体系的偏差。长期以来，学界过度重视论文发表数量、期刊等级和引用率，却忽视了研究的严谨性和可重复性。对科研人员来说，发表一篇结论“惊人”的论文，比发表一篇严谨但结论平淡的论文，更容易获得认可、晋升和资助。

这样的导向导致很多科研人员在研究过程中，过度追求“显著结果”，甚至刻意选择有利于结论的分析方法，忽视了研究的客观性和严谨性。更值得注意的是，有研究显示，不可复制的研究论文，引用率反而比结果可靠的研究更高。《科学》杂志的一项研究表明，在分析样本中，不可复制的研究平均比可复制研究多被引用153次；发表在《自然》和《科学》上的社会科学研究，这一差距扩大到300次。更令人担忧的是，这些引用中，只有12%提到复制实验未能证实原始结论——学术界不仅没有有效约束不可靠的研究，反而在一定程度上“鼓励”了这类研究。

除了学术评价体系的偏差，社会科学的研究特性也增加了复制难度。和自然科学不同，社会科学的研究对象是“人”和“社会”，人的行为、社会现象具有很强的复杂性和不确定性，不同的时间、地域、样本群体，都可能导致研究结果出现差异。比如，一项关于“青少年心理健康影响因素”的研究，在某一地区的样本中，得出“家庭环境是主要影响因素”的结论，但在另一地区的样本中，可能发现“学校环境影响更大”。这种复杂性使得社会科学研究的复制难度远高于自然科学，但这并不意味着“无法复制”，更不能成为研究不严谨的理由。

面对可重复性危机，学界一直在寻找解决办法，AI技术的出现，为解决这一问题提供了新的可能。由于重复实验耗时费钱，开发自动化分析工具，成为SCORE项目的核心目标之一。这些工具可以预测一篇论文的可重复性，帮助科研人员、期刊编辑和资助机构快速判断研究的可信度，提高研究效率、节约资源。为实现这一目标，SCORE团队首先测试了人类预测可重复性的能力，采用两种策略：一种涉及在线市场，另一种基于结构化群聊和研究人员的独立评估，结果显示，这些方法的最高准确率为76%至78%，说明人类专家对研究可重复性的判断，有一定的可靠性。

随后，SCORE团队尝试用自动化工具预测论文可重复性，但初期尝试并不成功。美国开放科学中心的安德鲁·泰纳（Andrew Tyner）牵头开展了独立于SCORE的“预测可复制性挑战”项目，通过竞赛形式，测试包括大语言模型在内的计算工具的预测能力，获胜者可获得现金奖励。

去年10月的首轮竞赛中，10支使用AI工具的队伍，得分甚至低于随机猜测水平，让很多人对AI解决可重复性危机的可能性产生怀疑。但在上个月结束的第二轮竞赛中，表现最佳的AI模型准确率达到68.5%，虽然仍低于人类专家水平，但进步明显。目前，第三轮竞赛正在进行中，研究人员希望通过优化算法，进一步提高AI工具的预测准确率。

不过，蒂姆·埃林顿提醒，AI工具的进步虽然值得肯定，但距离实现“AI评估研究可信度”的目标还有很大差距。“这些结果令人鼓舞，表明AI工具终有一天会助力评估科学研究，但这些工具距离实现这一目标还很遥远——它们还差得远。”

社会科学研究的复杂性，不是算法能完全捕捉的，AI工具只能作为辅助手段，不能替代人类的判断和严谨的实验检验。除了探索AI工具，学界更呼吁推广“开放科学”理念。开放科学是一场全球运动，核心是透明度、共享和包容性，通过推动数据共享、方法公开、预注册研究计划等实践，让科学研究更透明、可检验、可重复。

关于开放科学的实践路径，学界已形成共识：科研人员应主动公开研究数据、实验代码和实验步骤，方便其他研究者复现和检验；期刊应完善审稿标准，将研究的可重复性、透明度作为重要审稿指标，拒绝方法模糊、数据不公开的论文；资助机构应调整资助导向，重点资助注重严谨性、推动开放科学的研究项目；高校和科研机构应加强对科研人员的培训，引导他们树立严谨治学的理念，重视研究的可重复性。只有整个学术生态得到改善，才能从根本上解决可重复性危机。

图自unsplash

此外，SCORE项目的研究结果，也引发了“社会科学是否是科学”的争议。美国全国步枪协会（NRA）旗下媒体直接将社会科学的研究危机与“政治偏见”挂钩，质疑社会科学的科学性。这种观点过于偏激，约翰·约安尼迪斯的评论更为客观：SCORE项目的结果虽然令人震撼，但并不意外，它只是用更大规模的数据，把学界早已知道的问题摆到了明面上。社会科学作为一门科学，核心价值是探索人类社会的规律，为社会发展提供参考，可重复性危机不是社会科学的“固有问题”，而是学科发展过程中出现的问题。任何一门科学的进步，都离不开自我纠错，正视问题，才能解决问题。

历时7年，865名研究者，3900篇论文，SCORE项目的研究结果，不是为了否定社会科学，而是为了让学界保持清醒。科学的本质，不是“一劳永逸的结论”，而是“不断质疑、不断验证、不断纠错”的过程。我们重视可重复性，不是吹毛求疵，而是因为只有能被重复的研究，才能成为可靠的知识，才能为社会发展、政策制定、个人决策提供有效参考。

对科研人员来说，SCORE项目的结果是警示，也是责任。学术研究不是“追求惊人结论”的游戏，而是“探索真相”的过程。每一个实验步骤的严谨，每一份数据的透明，每一种方法的规范，都是对科学的敬畏，也是对公众的负责。当更多科研人员主动公开数据、规范方法，当学术评价体系不再只看重“引用率”，当开放科学成为学界共识，可重复性危机就会逐步缓解，社会科学也会健康发展。

【本文中包含的图片均来源于网络，仅用于信息传播和新闻报道目的。我们尊重并保护所有版权拥有者的权利。若有任何版权问题，或版权拥有者不希望图片被使用，请与我们联系，我们将在收到通知后立即处理并删除相关图片。】